Précédent : Commande des systèmes non-linéaires Remonter : Fondements scientifiques Suivant : Programmation de systèmes hybrides
Précédent : Commande des systèmes non-linéaires
Remonter : Fondements scientifiques Suivant :
Programmation de systèmes
hybrides
Participants : Patrick Rives, Jean-Jacques Borrelly,
Laurence Pelletier, Jose-Luis Carrilho-Sequeira, Alessandro
Corrêa Victorino, François-Xavier Espiau.
Mots clés : Planification et commande référencée capteur, carte de visibilité, réactivité et navigation sûre d'un robot mobile, localisation et cartographie, capteur de vision et de télémétrie, coopération multisensorielle. .
La problématique de la navigation et du pilotage d'engins dits autonomes ou semi-autonomes, longtemps cantonnée au domaine de la robotique d'intervention, s'ouvre aujourd'hui vers de nombreux autres champs applicatifs : transport, véhicules individuels, drônes aériens ou engins sous-marins d'observation... Dans tous les cas, il s'agit de faire évoluer des systèmes de façon sûre dans des environnements imparfaitement connus en contrôlant les interactions entre l'engin et son environnement. Ces interactions peuvent prendre différents aspects : actions de la part du robot (se positionner par rapport à un objet, manoeuvrer pour se garer ...), réactions vis-à-vis d'événements provenant de l'environnement (éviter des obstacles, poursuivre une cible...). Le degré d'autonomie et de sûreté du système réside dans la capacité de prendre en compte ces interactions à tous les niveaux de la tâche. En premier lieu, lors de la planification de la tâche, cela se fera par l'acquisition, la modélisation et la manipulation des connaissances sur l'environnement et sur la tâche. Enfin, durant l'exécution où il s'agira d'exploiter les données perceptuelles pour adapter au mieux le comportement du système aux conditions de la tâche qu'il réalise.
La modélisation d'environnement en vue de la planification des actions est un thème majeur en robotique [Lac97]. Il se décline en de nombreuses variantes suivant la connaissance a priori dont on dispose : d'une connaissance complète permettant la planification hors ligne de la tâche jusqu'à une absence totale de connaissance nécessitant une acquisition en ligne du modèle durant une phase d'exploration. On a coutume de distinguer différentes problématiques en fonction du but de la perception : i) percevoir pour planifier un déplacement, ii) percevoir pour se localiser. Dans le premier cas, on fera une distinction supplémentaire entre la construction de modèles géométriques destinés à la planification de trajectoires continues libres d'obstacle et la construction de modèles topologiques destinés à la planification de chemins dont l'ensemble constitue le graphe des points de passage permettant d'aller d'un lieu à un autre. Concernant les modèles géométriques, ils seront fréquemment réduits, dans le cas d'environnements d'intérieurs, à une représentation polygonale des obstacles obtenue grâce à un balayage horizontal d'un télémètre (laser ou ultrason). Malgré cette apparente simplicité, la construction et la mise à jour de tels modèles demeurent difficiles notamment au niveau de la gestion des incertitudes lors de la fusion de plusieurs acquisitions durant le déplacement du robot. Les modèles topologiques sont des représentations plus abstraites pouvant être construites par une structuration des modèles géométriques (segmentation en régions connexes définissant des lieux). Leur utilisation ouvre sur une autre problématique qui est la recherche et la reconnaissance des points de passage entre différents lieux (par exemple des portes dans une scène d'intérieur) à l'aide de techniques de reconnaissance des formes. Dans ce contexte, nous avons développé une stratégie de perception active [[26]] afin de rechercher et d'identifier des structures caractéristiques de l'environnement (portes, fenêtres) pouvant servir d'amers ou caractériser des points de passage entre lieux d'un modèle topologique.
Dans le cas de la perception dans un but de localisation, la problématique est un peu différente. Il s'agit alors de maintenir une estimée de l'état du robot, (en général, sa position et son orientation) durant son déplacement. Les techniques utilisées sont celles du filtrage. Afin de compenser les dérives introduites par la plupart des capteurs proprioceptifs (odomètres, centrales inertielles...), la majorité des approches, qualifiées d'hybrides, utilise des données acquises sur l'environnement par le biais de capteurs extéroceptifs pour effectuer un recalage sur des structures caractéristiques de la scène (amers). La mise en oeuvre de ce type d'approche soulève de nombreux problèmes quant à la sélection, l'extraction fiable et l'identification de ces amers dans le cas d'environnements non connus a priori. Les approches que nous développons s'appuient sur deux idées : i) faire coopérer au mieux les différentes modalités sensorielles (proprio et extéroceptives), ii) utiliser des lois de commande référencée capteurs pour imposer des contraintes sur les problèmes de localisation et de modélisation géométrique et, de ce fait, les rendre mieux conditionnés.
De même qu'il est important de prendre en compte le processus de perception très tôt au niveau de la planification de la tâche, il est tout aussi indispensable de contrôler l'interaction entre le robot et son environnement lors de son exécution [Riv97]. Celà se traduit par la prise en compte explicite d'informations perceptuelles, d'une part dans la constitution de boucles de commande robustes (aspect continu), et d'autre part dans la détection d'événements externes nécessitant une modification du comportement du système (aspect réactif). Dans les deux cas, il s'agit de pouvoir robustifier le comportement du système face à une certaine variabilité des conditions d'exécution de la tâche. Cette variabilité peut provenir d'erreurs de mesures ou de modèle dues aux capteurs ou aux systèmes commandés, mais elle peut également provenir de l'environnement qui peut être mal connu ou incertain. Au niveau des lois d'asservissement, il s'agit de synthétiser des schémas de commande en boucle fermée sur les informations perceptuelles traduisant au mieux les objectifs de la tâche. L'utilisation de lois de commande référencée capteurs et du formalisme des fonctions de tâche permet de traduire ces objectifs en termes de régulation d'une fonction de sortie qui pourra, suivant la tâche, être exprimée soit dans l'espace de configuration du système commandé soit, directement, dans l'espace de perception. L'aspect réactif vis-à-vis d'événements extérieurs perturbant le déroulement de la tâche requiert, d'une part, la détection de ces événements et, d'autre part, d'associer à leur détection un nouveau comportement du système. Dans le cas de la perception, ces deux aspects peuvent être élégamment réalisés en utilisant le formalisme des capteurs logiques introduits par Henderson.
Un axe de recherche est consacré à l'analyse et la synthèse de lois de commande référencées capteurs. Les formalismes utilisés (fonctions de tâche, liaisons virtuelles) permettent de définir ces lois à tous les niveaux de la spécification jusqu'à l'implémentation effective. En associant à ces lois de commande un comportement logique, il est alors possible de définir des actions élémentaires référencées capteurs (par exemple, suivi de mur) pouvant être manipulées au niveau de la planification tout en garantissant une bonne robustesse au niveau de l'exécution. La généricité des formalismes permet d'envisager leur application à différents capteurs utilisés en robotique (odométrie, capteurs d'effort, centrale inertielle, proximétrie, vision locale,...).